A Shanghai Jiao Tong University e a Tencent desenvolvem o ProAct, um agente de IA que prevê as necessidades do usuário

Pesquisadores da Universidade Jiao Tong de Xangai e do conglomerado de tecnologia chinês Tencent desenvolveram o ProAct, um agente de IA projetado para prever necessidades do usuário antes que ele faça perguntas. O sistema usa o tempo ocioso entre conversas para revisar interações passadas e preparar informações com antecedência. De acordo com o artigo de pesquisa, o ProAct teve desempenho melhor do que sistemas proativos de IA anteriores nos testes de benchmark, embora os experimentos não envolvessem usuários reais. O desenvolvimento aborda o que os pesquisadores descrevem como oportunidade computacional desperdiçada em agentes de IA atuais, que permanecem fundamentalmente reativos.

O sistema opera por meio de um processo de predição em múltiplas etapas

O ProAct funciona por várias etapas que o diferenciam dos agentes de IA convencionais. A primeira etapa, chamada de Future-State Prediction, analisa conversas anteriores, preferências do usuário e informações ausentes para prever perguntas de acompanhamento prováveis. A segunda etapa, Idle-Time Acquisition, avalia quais previsões valem a pena com base em relevância, timing e na utilidade potencial de novas informações. Um sistema separado determina se as informações preparadas devem ser apresentadas imediatamente, salvas para uso posterior ou armazenadas até que sejam necessárias.

"Após cada interação em primeiro plano, o agente atualiza sua memória, prevê possíveis necessidades futuras, aloca computação de tempo ocioso para candidatos valiosos e decide como o preparo resultante deve ser tratado", escreveram os pesquisadores no artigo. "Essa formulação conecta predição, aquisição e entrega a uma única política, em vez de tratar a computação do tempo ocioso como uma busca de fundo irrestrita."

Testes de benchmark mostram melhorias de desempenho

Os pesquisadores testaram o ProAct em 200 simulações em 40 domínios, incluindo planejamento financeiro, gerenciamento de liberação de software e cibersegurança. De acordo com o artigo, o sistema reduziu o número de turnos de conversa em 14,8% e diminuiu pedidos de acompanhamento em 11,7%. Em uma comparação usando um benchmark chamado ProActEval, o ProAct antecipou 703 necessidades previsíveis do usuário, contra 32 do sistema anterior. Os pesquisadores também relataram uma redução de 28,1% em alucinações.

"Embora os agentes de IA demonstrem capacidades notáveis em raciocínio e uso de ferramentas, eles permanecem fundamentalmente reativos: eles calculam respostas apenas após prompts explícitos do usuário", escreveram os pesquisadores. "Esse paradigma ignora uma oportunidade crítica: o tempo ocioso entre interações é em grande parte desperdiçado, deixando os agentes incapazes de se preparar para necessidades futuras do usuário."

A pesquisa reconhece limitações do sistema

Os pesquisadores reconheceram várias limitações no estudo do ProAct. Em 3% dos casos, o sistema piorou as respostas ao trazer informações irrelevantes. O artigo afirmou que qualquer versão no mundo real precisaria de proteções de privacidade, porque o sistema analisa conversas continuamente e armazena dados do usuário.

"A análise do nosso orçamento também mostra que orçamentos maiores de Idle-Time Acquisition aumentam o custo de token ativo e geram retornos decrescentes", escreveram os pesquisadores, "portanto a computação proativa é um trade-off no ponto de operação, e não algo a maximizar."

A pesquisa surge enquanto agentes autônomos de IA se espalham pela indústria de tecnologia, com projetos como OpenClaw e Hermes Agent entregando assistentes persistentes de IA que lidam com tarefas de codificação, agendamento, pesquisa e automação de fluxos de trabalho. Pesquisadores separados alertaram mais cedo neste mês que agentes de IA podem concluir tarefas perigosas sem entender as consequências. "Como o Sr. Magoo, esses agentes avançam em direção a um objetivo sem compreender totalmente as consequências das ações deles", disse o autor principal Erfan Shayegani, aluno de doutorado da UC Riverside, em comunicado.